使用手机进行肺音分类的患者域监督对比学习
声音
2025-05-30 v1 人工智能
音频与语音处理
摘要
听诊对于诊断肺部疾病至关重要。COVID-19 疫情揭示了传统面对面肺音评估的局限性。为了克服这些问题，数字听诊器和人工智能（AI）的进步催生了新的诊断方法。在此背景下，我们的研究旨在使用智能手机麦克风记录和分析肺音。我们面临两大主要挑战：电子听诊器与智能手机麦克风之间的音频风格差异，以及患者之间的差异性。为了应对这些挑战，我们开发了一种名为患者域监督对比学习（PD-SCL）的方法。通过将此方法与 Audio Spectrogram Transformer（AST）模型集成，与原始 AST 模型相比，我们将其性能显著提高了 2.4%。这一进展表明，智能手机能够有效诊断肺音，解决了患者数据中的不一致性问题，并展示了在传统临床环境之外广泛应用的潜力。我们的研究有助于在后 COVID-19 时代使肺病检测变得更加普及。
引用
@article{arxiv.2505.23132,
title = {Patient Domain Supervised Contrastive Learning for Lung Sound Classification Using Mobile Phone},
author = {Seung Gyu Jeong and Seong Eun Kim},
journal= {arXiv preprint arXiv:2505.23132},
year = {2025}
}
备注
ITS-CSCC 2024